如何用python解析tsv文件？

Question

我有一个包含一些换行数据的tsv文件。

111 222 333 "aaa" 
444 555 666 "bb 
b" 

在第三行这里b是bb在第二行上一个新行字符，因此它们是一个数据：

第一行的第四个值：

aaa 

第四第二行值：

bb 
b 

如果我使用Ctrl + C和Ctrl + V粘贴到一个excel文件，它运作良好。但如果我想使用python导入文件，如何解析？

我曾尝试：

lines = [line.rstrip() for line in open(file.tsv)] 
for i in range(len(lines)): 
    value = re.split(r'\t', lines[i])) 

但结果并不好：

我想：

Answer 1

只需使用csv模块。它知道CSV文件中所有可能的角落案例，例如引用字段中的新行。

with open("file.tsv") as fd: 
    rd = csv.reader(fd, delimiter="\t", quotechar='"') 
    for row in rd: 
     print(row) 

能正确输出：

['111', '222', '333', 'aaa'] 
['444', '555', '666', 'bb\nb'] 

Answer 2

换行符，当内容中（单元格）.tsv /。 csv通常用引号引起来。否则，标准分析可能会将其混淆为下一行的开始。在你的情况下，行

for line in open(file.tsv) 

自动使用换行符作为分隔符。

如果您确定文件只有4列，您可以简单地阅读整个文本，根据选项卡拆分它，然后一次提取4个项目。

# read the entire text and split it based on tab 
old_data = open("file.tsv").read().split('\t') 

# Now group them 4 at a time 
# This simple list comprehension creates a for loop with step size = num. of columns 
# It then creates sublists of size 4 (num. columns) and puts it into the new list 
new_data = [old_data[i:i+4] for i in range(0, len(old_data), 4)] 

理想情况下，您应该关闭可能引用换行符的内容。